<p class="p1">Se ha comprobado que la información morfométrica de un ala se puede usar para identificar la especie de algunos insectos, incluidas las abejas. En el presente trabajo se utiliza la información contenida en la fotografía de un ala para discriminar la especie de abejas nativas costarricenses sin aguijón. El método propuesto es un algoritmo discriminador basado en la clasificación de los descriptores SIFT de los puntos clave de la imagen del ala anterior derecha. Los especímenes usados en la investigación se recolectaron directamente de los nidos en diferentes zonas geográficas de Costa Rica y corresponden a 18 especies de 10 géneros. El algoritmo fue validado con 436 imágenes de alas con un resultado de 81% de éxito en la discriminación por género y de 76% a nivel de especie. </p>

<p>Las abejas polinizan una gran variedad de especies de plantas, incluyendo los cultivos agrícolas. Se estima que cerca del 30% del alimento consumido por la población mundial es derivado de cultivos polinizados por abejas. La infestación por Nosemiasis es una de las principales causas de la pérdida de colmenas a nivel mundial. Los métodos de laboratorio para el diagnóstico del nivel de infestación por este microsporidio son lentos, caros y demandan la presencia de un experto. Se propone un sistema automático, confiable y económico de cuantificación de infestación por Nosema, a partir del  procesamiento digital de imágenes.</p><p>Con el uso de técnicas de segmentación de imágenes, caracterización de objetos y conteo de formas se han reproducido la técnican de Cantwell y Hemocitómetro de manera automática. Para el conteo de esporas se implementaron tres descriptores el tamaño, la  excentricidad y la circularidad, de manera tal que son invariantes a la escala y rotación de las imágenes. Se trabajó con un total de 375 fotografías agrupadas en carpetas de 5, las cuales fueron previamente etiquetadas por un experto según el nivel de infestación (muy leve, leve, moderado, semifuerte y fuerte). Con ello se alcanzó un porcentaje de diagnóstico correcto de infestación del 84%. </p>

No abstract

In this chapter, the authors tried to develop a tool to automatize and facilitate the detection of Nosema disease. This work develops new technologies in order to solve one of the bottlenecks found on the analysis bee population. The images contain various objects; moreover, this work will be structured on three main steps. The first step is focused on the detection and study of the objects of interest, which are Nosema cells. The second step is to study others' objects in the images: extract characteristics. The last step is to compare the other objects with Nosema. The authors can recognize their object of interest, determining where the edges of an object are, counting similar objects. Finally, the authors have images that contain only their objects of interest. The selection of an appropriate set of features is a fundamental challenge in pattern recognition problems, so the method makes use of segmentation techniques and computer vision. The authors believe that the attainment of this work will facilitate the diary work in many laboratories and provide measures that are more precise for biologists.